JupyterLab
在數秒內啟動全受管 JupyterLab。將最新的 Web 互動式開發環境用於筆記本、程式碼和資料。其靈活且可擴展的介面可讓您輕鬆設定機器學習 (ML) 工作流程。獲得生成式 AI 協助的程式碼產生、疑難排解和專家指導協助，以加速您的 ML 開發，所有這一切都能在筆記型電腦環境中進行。
基於 Code-OSS 的程式碼編輯器
使用輕量型但功能強大的程式碼編輯器，利用熟悉的捷徑、終端機、偵錯工具和重構工具提高生產力。從 Open VSX 擴充功能庫中提供的數千個 Visual Studio Code 相容擴充功能中選擇，以增強您的開發體驗。透過 GitHub 儲存庫啟用版本控制和跨團隊協作。在預先設定的 SageMaker AI 發行版中，使用最受歡迎的現成 ML 架構。透過 AWS Toolkit for Visual Studio Code 與 AWS 服務密切整合，包括對 HAQM Simple Storage Service (HAQM S3) 和 HAQM Redshift 等 AWS 資料來源的內建存取，並透過 HAQM Q Developer 提供的聊天式和內聯程式碼建議提高編碼效率。
RStudio
透過主控台使用全受管使用適用於 R 的整合式開發環境 (IDE)；支援直接程式碼執行的語法反白顯示編輯器；以及用於繪圖、歷史記錄、偵錯和工作區管理的工具。使用預先設定的 R 套件 (例如 devtools、tidyverse、shine 和 rmarkdown) 產生洞察，並使用 RStudio Connect 加以發佈。您可以在 RStudio、JupyterLab 和程式碼編輯器 IDE 中順暢切換，以進行 R 和 Python 開發。
存取和評估 FM
大規模準備資料
使用適用於資料工程、分析和 ML 的統一環境來簡化您的資料工作流程。透過 HAQM EMR 和 AWS Glue 無伺服器 Spark 環境，互動方式執行 Spark 工作，並使用 Spark UI 監控這些工作。使用內建的資料準備功能可視化資料、識別資料品質問題，並套用建議的解決方案來提高資料品質。自動化資料準備工作流程，幾個步驟即可將您的筆記本安排為一項作業。於中央特徵存放區儲存、共用和管理 ML 模型功能。
以最佳化效能迅速訓練模型
HAQM SageMaker AI 提供高效能的分散式訓練庫和內建工具，以最佳化模型效能。在將模型部署到生產環境之前，您可以自動調整模型，以及視覺化和更正效能問題。
部署模型實現最佳推論效能和成本
利用多樣化的 ML 基礎架構和部署選項來部署您的模型，滿足 ML 推論需求。SageMaker AI 是一項全受管服務，與 MLops 工具整合，讓您可以擴展模型部署、降低推論成本、在生產環境中更有效管理模型，並降低營運負擔。
提供高效的 ML 模型
SageMaker AI 提供專門打造的 MLOps 和管控工具，幫助您在 ML 生命週期中實現自動化、標準化和簡化文件流程。利用 SageMaker AI MLOps 工具，您可以輕鬆在大規模情境下進行 ML 模型的訓練、測試、疑難排解、部署和管理，同時確保在生產環境中維持模型的卓越性能。
獲得生成式 AI 支援的協助
透過 JupyterLab 和程式碼編輯器上由 HAQM Q Developer 提供支援的 AI 協助，加快 ML 開發速度。利用 HAQM Q Developer 內嵌程式碼建議和以聊天為基礎的協助，即可根據需求獲得「操作方式」指導、編碼支援和疑難排解步驟。利用這個觸手可及的強大工具，快速入門並提高您的工作效率。
加速 ML 和生成式 AI 開發
AWS 合作夥伴的 AI 應用程式現已在 HAQM SageMaker AI 和 HAQM SageMaker Unified Studio 中提供。在 SageMaker 中尋找、部署和使用這些 AI 應用程式。無縫的全受管體驗，無需佈建或操作基礎設施。一切都在 SageMaker 環境的安全和隱私保護下進行。
